导读:本文包含了子空间方法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:空间,方法,小二,局部,参数,混响,数据。
子空间方法论文文献综述
卞佳丽,梅雪,张晋[1]（2019）在《基于稀疏子空间的视频人脸聚类方法》一文中研究指出为提高视频人脸聚类性能,解决视频中的人脸易受到光照强度、物体遮挡和背景变化等因素的干扰的问题,提出一种基于视频先验知识、多视图和轨迹信息约束的人脸聚类研究方法。对聚类样本进行多特征提取,利用稀疏子空间表示算法获取人脸稀疏系数表示矩阵,使用轨迹信息和KNN重构系数矩阵,结合协同谱聚类算法获得人脸聚类结果。通过Notting Hill库和电影轨迹人脸库两个数据集验证该方法的可行性,实验对比结果表明,该方法对于视频中的人脸聚类具有较好的性能。(本文来源于《计算机工程与设计》期刊2019年11期）
王毅,姚卫星,刘梦[2]（2019）在《机翼结构布局优化的并行子空间方法》一文中研究指出机翼内部构件的布局优劣在很大程度上影响着机翼结构质量,因此进行布局优化设计尤为重要。采用并行子空间方法求解机翼结构布局优化的问题,将机翼结构布局设计问题分为梁站位优化、桁条优化和厚度优化叁个并行的子空间,设计变量在各自的子空间内单独优化;各子空间优化结束后,在系统级中协调叁个子空间的设计变量,保持最小质量的子空间的优化变量不变;采用近似一维搜索的方法协调其他子空间的设计变量,然后进行变量迭代直至收敛。结果表明:该方法具有较高的优化效率,能够取得较好的优化结果,具有实际工程应用价值。(本文来源于《航空工程进展》期刊2019年05期）
张苏宁,王月娟,吴水明,景栋盛[3]（2019）在《基于Krylov子空间方法的网络入侵数据聚类》一文中研究指出网络信息安全中的数据具有维数高、规模复杂等特性。网络入侵检测需要对网络入侵信息进行合理的分析,筛选出危险的带有攻击性的行为。随着数据维数的不断升高,传统的基于距离的聚类分析方法不再适用。针对此,本文提出一种基于Krylov子空间方法的高维数据聚类分析算法,首先将高维数据投影到低维空间,实现数据的降维,再用基于遗传算法的K-means算法在低维空间中进行数据的聚类,避免了数据属性的丢失,同时也提高了高维数据聚类分析的效率。最后,使用KDD Cup 99数据进行实验,实验验证了方法的有效性和精确性。(本文来源于《计算机与现代化》期刊2019年10期）
张勇,陈菊[4]（2019）在《基于决策树的网络高维数据软子空间聚类方法研究》一文中研究指出典型网络高维数据软子空间聚类方法采用软子空间聚类算法,根据目标函数最优解判断聚类是否最优,最优解计算过程容易过度拟合陷入局部最优,导致分类结果精度低。故文中提出基于决策树的网络高维数据软子空间聚类方法,根据信息增益选择决策树节点,在信息增益基础上添加分裂信息项防止决策树节点过度分类,获取不同树节点属性类别划分结果。在此基础上采用后剪枝技术删除含有噪音和干扰属性结点,将包含样本数量最多的分类结果视为网络高维数据软子空间的分类结果。仿真实验结果表明,所提方法聚类分析正确率随着网络高维数据集维数的增加而增加,且随样本数量增加的同时运行时间增长幅度较低,用时较短,是一种应用价值高的网络高维数据软子空间聚类方法。(本文来源于《现代电子技术》期刊2019年20期）
魏明洋,鄢社锋[5]（2019）在《基于子空间分解的阵列流形向量估计新方法》一文中研究指出实际阵列装配完成后的阵列流形向量与理论值存在偏差,这种偏差会导致阵列预设波束图的旁瓣升高、阵列高分辨算法的性能下降,严重影响阵列的实际应用。实际中先依据估计的部分实际阵列流形向量选取合适的误差模型,再根据模型得到逼近实际的阵列流形向量。现有的实际阵列流形向量估计方法有直接定义法和最小二乘法,这两种方法计算复杂度很高且估计精度随快拍数波动。对此本文给出一种新的阵列实际流形向量估计方法,它利用阵列接收数据协方差矩阵的信号子空间与阵列流形向量张成空间相同的特性来估计阵列的实际幅度相位响应,结合估计的波达方向,最后得到实际的阵列流形向量。仿真结果表明,本文所提方法比现有的两种估计方法估计精度高一倍且计算复杂度降低了一个数量级。(本文来源于《信号处理》期刊2019年09期）
叶秀斌,简彩仁,夏靖波[6]（2019）在《两阶段最小二乘回归子空间聚类方法》一文中研究指出针对高维数据的非线性特性会降低最小二乘回归(LSR)子空间聚类的性能,提出两阶段LSR(TLSR)子空间聚类方法.该方法利用LSR的表示系数定义局部信息惩罚项,构造局部约束LSR方法.在8个数据集上的实验表明该方法适合高维数据的聚类.(本文来源于《厦门大学学报(自然科学版)》期刊2019年04期）
周筱航,单德山,谭康熹,李乔[7]（2019）在《确定子空间识别方法在桥梁振动台模型试验中的对比》一文中研究指出为了探讨确定子空间识别(DSI)方法与确定-随机子空间识别(CDSI)方法在实际应用中的性能,开展了DSI方法与CDSI方法的对比研究。首先,对DSI方法与CDSI方法的算法原理进行介绍,对比了过程噪声和测试噪声在2种方法中不同的考虑方式,分析了CDSI方法在算法层面的优势。以大比尺斜拉桥模型振动台试验为依托,获取模型桥在4种不同强度等级的集集(Chichi)地震动激励下的加速度响应,为考察DSI方法与CDSI方法的算法性能提供数据支撑。然后,分别使用DSI方法与CDSI方法对模型桥的模态参数进行识别,使用稳定图对模态参数识别结果进行展示,并统计了图中稳定点个数,对比2种方法模态参数识别结果的稳定性。最后,对DSI方法与CDSI方法的振型识别结果进行展示,并统计2种方法的振型模态置信准则值(MAC),对比了2种方法振型识别结果的差异。结果表明:DSI方法与CDSI方法识别得到的频率与阻尼比基本一致,但CDSI方法识别结果的稳定性略优;DSI方法比CDSI方法识别得到的振型幅值略大,经量纲一化处理后,2种方法识别的振型形状基本一致,但随着模态阶次的增高和激励强度的增强,两者振型的差异逐渐增大;CDSI方法考虑了数据中的过程噪声和测试噪声,其模态参数识别结果的稳定性略优于DSI方法,但同时其也降低了CDSI方法的计算效率,CDSI方法的优势并不是压倒性的。(本文来源于《长安大学学报(自然科学版)》期刊2019年04期）
郑毅伟,许金波,王艺恬,简彩仁[8]（2019）在《核化图正则子空间分割方法》一文中研究指出传统的线性子空间分割方法很难刻画数据的非线性结构。借鉴核理论提出核化图正则子空间分割方法,在非线性空间中对数据进行重构,有利于刻画数据的非线性特点。利用Sylvester方程可求得全局最优解。2个图像数据集和2个基因表达数据集的实验结果表明,核化图正则子空间分割方法优于其他线性子空间分割方法。(本文来源于《物联网技术》期刊2019年05期）
洪小洋,马晓川,李璇,张驰,蒋理[9]（2019）在《基于预白化和子空间方法的主动声呐混响抑制》一文中研究指出海洋混响作为主动声呐目标探测时的主要背景噪声,是一种有色干扰噪声,常被看作是非平稳的过程。基于信号子空间分解的噪声抑制算法被广泛应用于语音增强领域,其对于包含加性高斯白噪声的信号有明显的降噪效果,但是对于非高斯分布的混响抑制效果不佳。因此,本文提出首先利用自回归模型构造白化滤波器,对混响进行预白化处理之后再使用子空间分解法,实验数据分析证明,该方法可以明显提升混响的抑制效果。(本文来源于《网络新媒体技术》期刊2019年03期）
蔡晓云,尹贺峰,傅文进,赵航涛[10]（2019）在《一种改进的最小二乘回归子空间分割方法》一文中研究指出最小二乘回归(LSR)算法是一种常见的子空间分割方法,由于LSR具有解析解,因此它的聚类性能较高。然而LSR算法是应用谱聚类方法聚类数据,谱聚类方法初始化聚类中心是随机的,会影响后面的聚类效果。针对这一问题,提出一种基于聚类中心局部密度和距离这2个特点的改进的LSR算法(LSR-DC)。在Extended Yale B数据集上进行实验,结果表明,该算法有较高的聚类精度,具有一定的鲁棒性,优于现有LSR等子空间分割方法。(本文来源于《计算机与现代化》期刊2019年05期）
子空间方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
机翼内部构件的布局优劣在很大程度上影响着机翼结构质量,因此进行布局优化设计尤为重要。采用并行子空间方法求解机翼结构布局优化的问题,将机翼结构布局设计问题分为梁站位优化、桁条优化和厚度优化叁个并行的子空间,设计变量在各自的子空间内单独优化;各子空间优化结束后,在系统级中协调叁个子空间的设计变量,保持最小质量的子空间的优化变量不变;采用近似一维搜索的方法协调其他子空间的设计变量,然后进行变量迭代直至收敛。结果表明:该方法具有较高的优化效率,能够取得较好的优化结果,具有实际工程应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
子空间方法论文参考文献
[1].卞佳丽,梅雪,张晋.基于稀疏子空间的视频人脸聚类方法[J].计算机工程与设计.2019
[2].王毅,姚卫星,刘梦.机翼结构布局优化的并行子空间方法[J].航空工程进展.2019
[3].张苏宁,王月娟,吴水明,景栋盛.基于Krylov子空间方法的网络入侵数据聚类[J].计算机与现代化.2019
[4].张勇,陈菊.基于决策树的网络高维数据软子空间聚类方法研究[J].现代电子技术.2019
[5].魏明洋,鄢社锋.基于子空间分解的阵列流形向量估计新方法[J].信号处理.2019
[6].叶秀斌,简彩仁,夏靖波.两阶段最小二乘回归子空间聚类方法[J].厦门大学学报(自然科学版).2019
[7].周筱航,单德山,谭康熹,李乔.确定子空间识别方法在桥梁振动台模型试验中的对比[J].长安大学学报(自然科学版).2019
[8].郑毅伟,许金波,王艺恬,简彩仁.核化图正则子空间分割方法[J].物联网技术.2019
[9].洪小洋,马晓川,李璇,张驰,蒋理.基于预白化和子空间方法的主动声呐混响抑制[J].网络新媒体技术.2019
[10].蔡晓云,尹贺峰,傅文进,赵航涛.一种改进的最小二乘回归子空间分割方法[J].计算机与现代化.2019
论文知识图
